Una inteligencia artificial ligera para detectar residuos marinos desde el espacio
El número de satélites en órbita crece más rápido que el ancho de banda disponible para descargar los datos que generan. Para hacer frente a esta limitación, en el proyecto Edge SpAIce(se abrirá en una nueva ventana) se desarrolló y demostró una inteligencia artificial (IA) capaz de analizar a bordo del satélite las imágenes de observación de la Tierra (OT) y reducir las descargas a los datos de mayor valor. El equipo del proyecto eligió la detección de residuos marinos como caso de prueba. Sin embargo, según Pauline Audenino, coordinadora del proyecto y directora sénior de proyectos de Agenium Space(se abrirá en una nueva ventana) (Francia), la tecnología desarrollada tiene aplicaciones mucho más amplias. Por ejemplo, tras una emergencia, es posible identificar información útil mientras el satélite se encuentra en órbita, sin tener que esperar que las imágenes se envíen a la Tierra para analizarlas: «Un satélite sobrevuela la zona afectada y proporciona rápidamente imágenes de los cambios que se han producido y muestra qué zonas han sufrido daños y cuáles no». En el proyecto participaron cuatro socios con conocimientos especializados muy diferentes. La Universidad Técnica Nacional de Atenas(se abrirá en una nueva ventana) (NTUA, por sus siglas en inglés) desarrolló y entrenó los modelos de IA, mientras que Agenium Space, entidad coordinadora del proyecto, se encargó de reducir su tamaño para que pudieran ejecutarse a bordo de un satélite. El CERN(se abrirá en una nueva ventana) aportó la tecnología de código abierto necesaria para adaptar los modelos a equipos informáticos especializados, y EnduroSat(se abrirá en una nueva ventana) proporcionó imágenes satelitales y dirigió su validación en órbita.
Adaptar la IA a las limitaciones del entorno espacial
La NTUA desarrolló una red neuronal profunda (RNP) a partir de imágenes satelitales etiquetadas. El modelo se entrenó para reconocer residuos marinos y distinguirlos de muchos otros elementos que aparecen en las imágenes del océano. El equipo de Agenium Space logró reducir la RNP, que contenía más de 9 millones de parámetros, al 1 % de su tamaño original. Pese a esta drástica reducción, el modelo ligero seguía identificando con precisión los residuos marinos sin generar falsos positivos. El paquete completo de detección a bordo se redujo a unos 1 MB y se instaló y ejecutó en el satélite BALKAN 1. A continuación, se llevó a cabo una demostración de todo el proceso, desde la adquisición de las imágenes hasta su procesamiento inmediato a bordo.
Desarrollo de capacidades espaciales europeas
«El otro objetivo, que se abordó únicamente en tierra, era utilizar una placa europea que garantizara la soberanía tecnológica», comenta Audenino. En la actualidad, NanoXplore es el único fabricante europeo de matrices de puertas programables (FPGA, por sus siglas en inglés) de calidad espacial, chips de «hardware» reconfigurable que constituyen la base de los ordenadores de los satélites. Sin embargo, para ejecutar la IA en este «hardware» también se necesita un «software» adecuado. El equipo de Edge SpAIce amplió HLS4ML(se abrirá en una nueva ventana), el marco de código abierto del CERN, para que fuera compatible con esta tecnología. En las pruebas realizadas en tierra, logró ejecutar una pequeña red neuronal en el chip NG-Ultra de NanoXplore. Más allá de los avances técnicos, el consorcio ha dado a conocer su trabajo mediante publicaciones y presentaciones en congresos internacionales. Algunos de sus socios también han presentado una propuesta para un nuevo proyecto de Horizonte Europa, ALMAGEST, con el objetivo de continuar el trabajo iniciado en Edge SpAIce. Por ahora, los resultados obtenidos demuestran que las RNP no tienen por qué limitarse a operar en tierra. Dotar a los satélites de mayor autonomía para interpretar las imágenes que captan podría ayudar a los sistemas de OT a responder con mayor rapidez ante situaciones de emergencia y aportar beneficios concretos sobre el terreno.
